本發(fā)明屬于醫(yī)療領域，涉及內窺鏡技術，具體是一種用于醫(yī)療內窺鏡的全焦段自動聚焦vf攝像頭。

背景技術：

1、現有的醫(yī)療內窺鏡聚焦方法存在以下缺陷：

2、1、現有的內窺鏡聚焦方法依靠手動進行焦段調節(jié)，且無法自動化對內窺鏡電動馬達進行自動化控制，易導致內窺鏡聚焦時間長，導致內窺鏡工作耗時長。

3、2、現有的內窺鏡無法通過自動化的對成像照片質量進行評估，導致輸出的圖像質量不佳，可能導致出現誤診或漏診，造成醫(yī)療資源浪費的同時，加重了患者的治療成本；

4、為此，我們提出一種用于醫(yī)療內窺鏡的全焦段自動聚焦vf攝像頭。

技術實現思路

1、針對現有技術存在的不足，本發(fā)明目的是提供一種用于醫(yī)療內窺鏡的全焦段自動聚焦vf攝像頭，本發(fā)明基于分別獲取焦距變化穩(wěn)定性系數、監(jiān)測焦距變化速率以及內窺鏡實時運動系數，得到內窺鏡實時工作數據，根據內窺鏡實時工作數據計算得到內窺鏡工作類型劃分系數，獲取內窺鏡工作類型劃分系數閾值與內窺鏡工作類型劃分系數進行數值比對，根據比對結果將內窺鏡劃分為第一工作狀態(tài)和第二工作狀態(tài)，得到內窺鏡工作狀態(tài)分級數據，根據內窺鏡工作狀態(tài)分級數據分別對處于第一工作狀態(tài)和第二狀態(tài)的醫(yī)療內窺鏡進行聚焦控制，并獲取患區(qū)實時圖像，通過建立患區(qū)圖像質量識別模型對患區(qū)實時圖像進行質量識別，將質量合格的患區(qū)實時圖像進行保存，將質量不合格的患區(qū)實時圖像進行刪除。

2、為了實現上述目的，本發(fā)明采用了如下技術方案：一種用于醫(yī)療內窺鏡的全焦段自動聚焦vf攝像頭各模塊具體工作過程如下：

3、數據獲取模塊：用于分別獲取焦距變化穩(wěn)定性系數、監(jiān)測焦距變化速率以及內窺鏡實時運動系數，得到內窺鏡實時工作數據；

4、數據分析模塊：用于根據內窺鏡實時工作數據計算得到內窺鏡工作類型劃分系數，獲取內窺鏡工作類型劃分系數閾值與內窺鏡工作類型劃分系數進行數值比對，根據比對結果將內窺鏡劃分為第一工作狀態(tài)和第二工作狀態(tài)，得到內窺鏡工作狀態(tài)分級數據；

5、聚焦控制模塊：用于根據內窺鏡工作狀態(tài)分級數據分別對處于第一工作狀態(tài)和第二狀態(tài)的醫(yī)療內窺鏡進行聚焦控制，并獲取患區(qū)實時圖像，通過建立患區(qū)圖像質量識別模型對患區(qū)實時圖像進行質量識別，將質量合格的患區(qū)實時圖像進行保存，將質量不合格的患區(qū)實時圖像進行刪除。

6、進一步地，所述數據獲取模塊對內窺鏡實時工作數據進行獲取，具體如下：

7、當醫(yī)療內窺鏡伸入患者體內時，以當前時刻對應的時間數值為第一基準時間點，獲取第一基準時間點之前一個時間片段對應的時間點作為第二基準時間點，將第一基準時間點與第二基準時間點之間的時間片段作為特征監(jiān)測時段；

8、對特征監(jiān)測時段對應的時長數值進行獲取，得到特征監(jiān)測時段長度；

9、對醫(yī)療內窺鏡進行實時運動監(jiān)測，得到內窺鏡實時運動系數；

10、獲取醫(yī)療內窺鏡在特征監(jiān)測時段內的焦距累計變化次數，得到焦距變化次數，計算焦距變化次數與特征監(jiān)測時段長度，得到監(jiān)測焦距變化速率；

11、獲取焦距變化穩(wěn)定性系數；

12、將焦距變化穩(wěn)定性系數、監(jiān)測焦距變化速率以及內窺鏡實時運動系數定義為內窺鏡實時工作數據。

13、進一步地，所述數據獲取模塊對內窺鏡實時運動系數進行獲取，具體如下：

14、獲取醫(yī)療內窺鏡在特征監(jiān)測時段內的累計運動距離，計算累計運動距離與特征監(jiān)測時段長度的比值，得到內窺鏡監(jiān)測運動速度；

15、獲取醫(yī)療內窺鏡的特征監(jiān)測時段的累計變換角度，計算累計變換角度與特征監(jiān)測時段長度的比值，得到內窺鏡監(jiān)測運動角度；

16、獲取醫(yī)療內窺鏡在第一基準時間點的運動速度數值，得到第一運動速度數值，獲取醫(yī)療內窺鏡在第二基準時間點的運動速度數值，得到第二運動速度數值；

17、將第一運動速度數值、第二運動速度數值以及特征監(jiān)測時段長度通過計算得到內窺鏡監(jiān)測運動加速度；

18、對內窺鏡監(jiān)測運動加速度進行計算，具體公式配置如下：

19、

20、其中，jsd為內窺鏡監(jiān)測運動加速度，sd1為第一運動速度數值，sd2為第二運動速度數值，jcs為內窺鏡監(jiān)測運動加速度；

21、將內窺鏡監(jiān)測運動速度、內窺鏡監(jiān)測運動加速度以及內窺鏡監(jiān)測運動角度通過計算得到內窺鏡實時運動系數；

22、對內窺鏡實時運動系數進行計算，具體公式如下：

23、dtx＝(jsd+jcs)×cjd；

24、其中，dtx為內窺鏡實時運動系數，jsd為內窺鏡監(jiān)測運動加速度，jcs為內窺鏡監(jiān)測運動速度，cjd為內窺鏡監(jiān)測運動角度。

25、進一步地，所述數據獲取模塊對焦距變化穩(wěn)定性系數進行獲取，具體如下：

26、在特征監(jiān)測時段內，分別捕捉m次醫(yī)療內窺鏡的焦距變化作為特征焦距變化，并將其分別命名為第一焦距變化至第m焦距變化；

27、分別獲取醫(yī)療內窺鏡對應的第一焦距變化至第m焦距變化的焦距變化值，得到第一焦距變化值至第m焦距變化值；

28、計算第一焦距變化值至第m焦距變化值的平均值，得到監(jiān)測焦距變化平均值；

29、將第一焦距變化值至第m焦距變化值的平均值以及監(jiān)測焦距變化平均值通過計算得到焦距變化穩(wěn)定性系數；

30、對焦距變化穩(wěn)定性系數進行計算，具體公式配置如下：

31、

32、其中，jwx為焦距變化穩(wěn)定性系數，bh1至bhm分別為第一焦距變化值至第m焦距變化值，bhp為監(jiān)測焦距變化平均值，m為特征焦距變化對應的數量值。

33、進一步地，所述數據分析模塊對內窺鏡工作狀態(tài)分級數據進行獲取，具體如下：

34、獲取內窺鏡工作類型劃分系數；

35、獲取焦距變化穩(wěn)定性系數閾值，將內窺鏡工作類型劃分系數閾值與內窺鏡工作類型劃分系數進行數值比對，根據比對結果將內窺鏡劃分為第一工作狀態(tài)和第二工作狀態(tài)，得到內窺鏡工作狀態(tài)分級數據。

36、進一步地，所述數據分析模塊對內窺鏡工作類型劃分系數進行獲取，具體如下：

37、獲取內窺鏡實時工作數據，根據內窺鏡實時工作數據分別獲取焦距變化穩(wěn)定性系數、監(jiān)測焦距變化速率以及內窺鏡實時運動系數；

38、將焦距變化穩(wěn)定性系數、監(jiān)測焦距變化速率以及內窺鏡實時運動系數通過計算得到內窺鏡工作類型劃分系數；

39、對內窺鏡工作類型劃分系數進行計算，具體公式配置如下：

40、

41、其中，gfx為內窺鏡工作類型劃分系數，jsd為內窺鏡實時運動系數，bh?l為監(jiān)測焦距變化速率，jwx為焦距變化穩(wěn)定性系數。

42、進一步地，所述數據分析模塊獲取內窺鏡工作類型劃分系數閾值，具體如下：

43、獲取焦距變化穩(wěn)定性系數閾值，將內窺鏡工作類型劃分系數閾值與內窺鏡工作類型劃分系數進行數值比對，根據比對結果將內窺鏡劃分為第一工作狀態(tài)和第二工作狀態(tài)，得到內窺鏡工作狀態(tài)分級數據；

44、獲取焦距變化穩(wěn)定性系數閾值、監(jiān)測焦距變化速率閾值以及內窺鏡實時運動系數閾值；

45、將焦距變化穩(wěn)定性系數閾值、監(jiān)測焦距變化速率閾值以及內窺鏡實時運動系數閾值通過計算得到焦距變化穩(wěn)定性系數閾值。

46、進一步地，所述數據分析模塊將焦距變化穩(wěn)定性系數與焦距變化穩(wěn)定性系數閾值進行數值比對，具體如下：

47、當焦距變化穩(wěn)定性系數大于等于焦距變化穩(wěn)定性系數閾值，判斷醫(yī)療內窺鏡處于第一工作狀態(tài)；

48、當焦距變化穩(wěn)定性系數小于焦距變化穩(wěn)定性系數閾值，判斷醫(yī)療內窺鏡處于第二工作狀態(tài)。

49、進一步地，所述聚焦控制模塊對醫(yī)療內窺鏡進行聚焦控制，具體如下：

50、獲取內窺鏡工作狀態(tài)分級數據；

51、當醫(yī)療內窺鏡處于第一工作狀態(tài)時，將醫(yī)療內窺鏡的電動馬達自動切換至高速模型，并對焦距變化穩(wěn)定性系數進行實時獲取，直至焦距變化穩(wěn)定性系數小于焦距變化穩(wěn)定性系數閾值；

52、當醫(yī)療內窺鏡處于第二工作狀態(tài)時，將醫(yī)療內窺鏡的電動馬達切換至低速模型，并對患區(qū)圖像進行實時獲取，得到患區(qū)實時圖像，建立患區(qū)圖像質量識別模型對患區(qū)實時圖像進行質量識別，將質量合格患區(qū)實時圖像進行保存，將質量不合格患區(qū)實時圖像進行刪除。

53、進一步地，所述聚焦控制模塊對患區(qū)圖像質量識別模型進行創(chuàng)建，具體如下：

54、獲取內窺鏡歷史內窺圖像數據，從內窺鏡歷史內窺圖像數據分別選取多張內窺采集圖像；

55、通過人工識別的方式將多張內窺采集圖像進行質量標注，標注內容包括質量合格和質量不合格，將標注完成的多張內窺采集圖像命名為內窺標注圖像；

56、將內窺標注圖像按照圖像劃分比例劃分為圖像測試集和圖像訓練集；

57、使用人工智能平臺創(chuàng)建圖像識別模型，使用圖像訓練集對圖像識別模型進行訓練，待訓練完成，使用圖像測試集對圖像識別模型進行識別成功率測試，并對測試成功率進行獲取，得到模型識別成功率；

58、獲取預設識別成功率，若模型識別成功率大于等于預設識別成功率，則對圖像識別模型建立完成，得到患區(qū)圖像質量識別模型；

59、若模型識別成功率小于預設識別成功率，則繼續(xù)使用圖像訓練集對圖像識別模型進行訓練，直至模型識別成功率大于等于預設識別成功率。

60、綜上所述，由于采用了上述技術方案，本發(fā)明的有益效果是：

61、1、本發(fā)明分別獲取焦距變化穩(wěn)定性系數、監(jiān)測焦距變化速率以及內窺鏡實時運動系數對醫(yī)療內窺鏡的焦段進行自動化調節(jié)，能夠有效醫(yī)療內窺鏡的工作效率；

62、2、本發(fā)明通過自動化的對成像照片質量進行評估，能夠保證內窺鏡輸出圖像的質量，使得醫(yī)生能夠更準確地識別病變，降低誤診和漏診的風險。